×
Manivannan，R。；Samidurai，R。；曹金德；艾哈迈德·阿尔萨迪；Alsaadi，Fuad E。

混合时变时滞广义神经网络的扩展耗散状态估计设计。 （英语） Zbl 1447.93347号

信息科学。 424, 175-203 (2018).
摘要：本文研究了具有混合时变时滞信号的广义神经网络的扩展耗散状态估计问题。利用著名的Jensen不等式、倒置凸组合（RCC）方法和Wirter二重积分不等式（WDII）技术估计了Lyapunov-Krasovskii泛函（LKF）时间导数中的积分项。此外，为了估计LKF导数中的二重积分项，提出了一个新的积分不等式。因此，导出了一个新的时滞相关准则，在该准则下，估计误差系统是扩展耗散的。扩展耗散状态估计的概念可用于处理{五十} _2-\mathcal公司{左}_\infty）状态估计，（mathcal｛H｝_\infty）状态估计，无源状态估计，混合（mathcal｛H｝_\（（mathcal{Q}，mathcal}S}，mathcal{R}）-gamma）-通过选择加权矩阵对GNN的耗散状态进行估计。通过五个数值例子证明了该方法的优点，其中一个例子得到了基准问题的实际应用的支持，该基准问题与扩展耗散性能意义上的合理问题相关。

引用于38文件

MSC公司：

93E10型 随机控制理论中的估计与检测
93B70型 网络控制
93立方厘米 延迟控制/观测系统

关键词：

扩展耗散状态估计；广义神经网络；混合时滞信号；Wirtinger二重积分不等式；交互凸方法
PDF格式BibTeX公司 XML格式引用
\textit{R.Manivannan}等人，《信息科学》。424175-203（2018年；兹bl 1447.93347）
全文： 内政部

参考文献：

[1] Ahn，C。；Shi，P。；阿加瓦尔，R。；Xu，J.，（L_\infty）时变时滞单个和互连神经网络的性能，Inform。科学。，346-347, 412-423 (2016) ·Zbl 1398.93112号
[2] Balasubramaniam，P。；Vembarasan，V。；Rakkiyappan，R.，具有混合区间时变时滞的Takagi-Sugeno模糊hopfield神经网络的时滞相关鲁棒渐近状态估计，专家系统。申请。，39, 472-481 (2012)
[3] 鲍，H。；Cao，J.，具有时变延迟的不确定随机双向联想记忆网络的鲁棒状态估计，Phys。Scr.、。，830650004（2011年）·Zbl 1221.62130号
[4] 鲍，H。；曹，J.，随机时滞离散随机神经网络的时滞分布相关状态估计，神经网络。，24, 1, 19-28 (2011) ·Zbl 1222.93213号
[5] 陈，Y。；Zheng，W.X.，具有分布时滞和马尔可夫跳跃的神经网络的随机状态估计，神经网络。，25, 14-20 (2012) ·Zbl 1437.93130号
[6] Z.Feng。；郑伟新，关于时滞离散时间神经网络的扩展耗散性，IEEE Trans。神经网络。学习。系统。，26, 3293-3300 (2015)
[7] 李，X。；Song，S.，时滞系统的镇定：时滞相关脉冲控制，IEEE Trans。自动。控制，62，1，406-411（2017）·Zbl 1359.34089号
[8] 李，X。；Wu，J.，具有状态相关延迟脉冲的非线性微分系统的稳定性，Automatica，64，63-69（2016）·Zbl 1329.93108号
[9] Gu，K.，时滞系统稳定性问题中的积分不等式，第39届IEEE决策控制会议论文集，2805-2810（2000）
[10] 黄，H。；冯·G。；曹，J.，时变时滞静态神经网络的状态估计，神经网络。，23, 1202-1207 (2010) ·Zbl 1401.93194号
[11] Johansson，K.，《四箱过程：具有可调零点的多变量实验室过程》，IEEE Trans。控制系统。技术。，8, 456-465 (2000)
[12] Jin，L。；Nikiforuk，P。；Gupta，M.，使用递归神经网络的离散时间非线性系统自适应控制，IEE程序控制理论与应用。，141, 169-176 (1994) ·Zbl 0803.93026号
[13] Lee，T。；Park，J。；Kwon，O。；Lee，S.，时变延迟神经网络状态估计的随机采样数据控制，神经网络。，46, 99-108 (2013) ·Zbl 1296.93184号
[14] Lee，T。；帕克，M。；Park，J。；Kwon，O。；Lee，S.，时变时滞神经网络的扩展耗散分析，IEEE Trans。神经网络。学习。系统。，25, 1936-1941 (2014)
[15] 李，N。；Cao，J.，具有平均驻留时间的区间神经网络的切换指数状态估计和鲁棒稳定性，IMA J.Math。控制I.，32，257-276（2015）·Zbl 1328.93252号
[16] 李，R。；曹，J。；Tu，Z.，概率时变时滞记忆神经网络的无源性分析，神经计算，91，249-262（2016）
[17] 刘，X。；于伟（Yu，W.）。；曹，J。；Chen，S.，具有采样数据的跳跃系统的状态估计和滤波的不连续Lyapunov方法，神经网络。，2015年12月22日，第68页·Zbl 1396.93115号
[18] 李，X。；Fu，X.，泄漏时变时滞对非线性微分系统稳定性的影响，J.Franklin Inst.，3501335-1344（2013）·Zbl 1293.34065号
[19] 李毅。；黄，Z。；Li，J.，（H_\infty）具有时变时滞和泄漏时滞的随机马尔可夫跳跃神经网络的状态估计，Int.J.Autom。计算。，56, 1-12 (2016)
[20] Lakshmanan，S。；马蒂亚拉甘，K。；Park，J.H。；Sakthivel，R。；Rihan，F.A.，混合时变时滞神经网络的时滞相关（H_）状态估计，神经计算，129，392-400（2014）
[21] 刘，X。；Cao，J.，具有不连续激活的神经网络的鲁棒状态估计，IEEE Trans。系统。人。赛博。B： 赛博。，40, 1425-1437 (2010)
[22] 刘，Y。；Lee，S。；Kwon，O。；Park，J.，具有区间时变时滞的广义神经网络稳定性标准的新方法，神经计算，1491544-1551（2015）
[23] 刘，H。；王，Z。；沈，B。；Alsaadi，F.，具有随机时滞的离散时间记忆递归神经网络的（H_\infty）状态估计，国际通用系统杂志。，45, 633-647 (2016) ·Zbl 1342.93107号
[24] 卢，C。；Tai，C。；Chen，T。；Wang，W.，感应电机无速度传感器控制的模糊神经网络速度估计方法，国际J.Innov。计算。信息控制，11433-446（2015）
[25] 马尼瓦南，R。；Mahendrakumar，G。；R·武士。；曹，J。；Alsadei，A.，具有区间时变时滞信号的广义神经网络的指数稳定性和扩展耗散性准则，J.Franklin Inst.，354，4353-4376（2017）·兹比尔1380.93208
[26] 马尼瓦南，R。；R·武士。；曹，J。；Alsadei，A。；Alsaadi，F.，具有时变时滞信号的广义神经网络的全局指数稳定性和耗散性，神经网络。，87, 149-159 (2017) ·Zbl 1434.34065号
[27] 马尼瓦南，R。；R·武士。；Zhu，Q.，关于具有区间时变时滞的静态脉冲神经网络稳定性和耗散性分析的进一步改进结果，J.Franklin Inst.，354，6312-6340（2017）·Zbl 1373.93273号
[28] Park，J。；Kwon，O.，关于时变时滞中立型神经网络状态估计的进一步结果，Appl。数学。计算。，20869-75（2009年）·兹比尔1169.34334
[29] 帕克，M。；Kwon，O。；Park，J。；Lee，S。；Cha，E.，《基于Wirtier-based双重积分不等式的时滞系统稳定性》，Automatica，55，204-208（2015）·Zbl 1377.93123号
[30] 帕克，P。；Ko，J。；Jeong，C.，时变时滞系统稳定性的互易凸方法，Automatica，47235-238（2011）·Zbl 1209.93076号
[31] R·武士。；马尼瓦南，R。；Ahn，C。；Karimi，H.，广义神经网络稳定性的新准则，包括马尔可夫跳跃参数和附加时滞，IEEE Trans。系统。，网络人：系统。(2016)
[32] Seuret，A。；Gouaisbaut，F.，基于Wirtinger的积分不等式：在时滞系统中的应用，Automatica，492860-2866（2013）·Zbl 1364.93740号
[33] Shi，P。；李，F。；Wu，L。；Lim，C.，基于神经网络的延迟中立型半马尔可夫跳跃系统被动滤波，IEEE Trans。神经网络。学习。系统。(2016)
[34] Shu，Y。；Liu，X.，关于区间时变时滞静态神经网络（H_）状态估计的改进结果，J.不等式。申请。，2016:48 (2016) ·Zbl 1332.93346号
[35] 斯凯尔顿，R。；川崎，T。；Grigoradis，K.，《线性控制设计的统一代数方法》（1997），泰勒和弗朗西斯：泰勒和弗朗西斯·纽约
[36] 斯塔莫娃，I。；斯塔莫夫，T。；Li，X.，一类具有上确界的脉冲细胞神经网络的全局指数稳定性，Int.J.Adapt。控制信号处理。，28, 1227-1239 (2014) ·Zbl 1338.93316号
[37] Vembarasan，V。；Balasubramaniam，P。；Chan，C.，具有马尔可夫跳变参数和时滞的神经网络的非脆弱状态观测器设计，非线性分析：混合系统。，14, 61-73 (2014) ·Zbl 1300.34175号
[38] Wang，L。；王，Z。；魏，G。；Alsaadi，F.，具有基于组件的事件触发协议的递归延迟神经网络的有限时间状态估计，IEEE Trans。神经网络。学习。系统。(2017)
[39] 王，Z。；Wang，J。；Wu，Y.，具有未知延迟的递归神经网络的状态估计：一种鲁棒分析方法，神经计算，227，29-36（2017）
[40] 王，Z。；Ho，D.W.C。；Liu，X.，延迟神经网络的状态估计，IEEE Trans。神经网络。，16, 279-284 (2005)
[41] 温，B。；李，H。；钟，S.，关于时变时滞静态神经网络（H_）状态估计的新结果，Adv.Difference Equ。，2017:17 (2017) ·Zbl 1422.93063号
[42] Willems，J.，耗散动力系统：i.一般理论，Arch。定额。机械。分析。，45, 321-351 (1972) ·Zbl 0252.93002号
[43] 吴，Z。；Lam，J。；苏，H。；Chu，J.，静态时滞神经网络的稳定性和耗散性分析，IEEE Trans。神经网络。学习。系统。，23, 199-210 (2012)
[44] 肖，J。；李毅。；钟，S。；Xu，F.，时变时滞记忆神经网络的扩展耗散状态估计，ISA Trans。，64, 113-128 (2016)
[45] 杨，F。；董，H。；王，Z。；Ren，W。；Alsaadi，F.，具有时滞的连续神经网络非脆弱状态估计的新方法，神经计算，197，205-211（2016）
[46] X.Zhang、Q.Han、Z.Wang、B.Zhang，具有两个加性时变时滞分量的神经网络的神经状态估计，IEEE Trans。赛博。，2017年出版。doi:10.1109/TCYB.2017.2690676；X.Zhang、Q.Han、Z.Wang、B.Zhang，具有两个加性时变时滞分量的神经网络的神经状态估计，IEEE Trans。赛博。，2017年出版。doi:10.1109/TCYB.2017.2690676
[47] 张，L。；Zhu，Y。；Zheng，W.，一类时变时滞递阶混合神经网络的同步与状态估计，IEEE Trans。神经网络。学习。系统。，2459-470（2015年）
[48] 张，B。；郑伟。；Xu，S.，基于新性能指标的马尔可夫跳变时滞系统滤波，IEEE Trans。电路系统。一、 60、1250-1263（2013）·Zbl 1468.94288号
[49] 张，D。；Yu，L.，具有时变离散和分布时滞的马尔可夫跳跃神经网络的指数状态估计，神经网络。，35, 103-111 (2012) ·Zbl 1382.93031号
[50] 曾浩。；他，Y。；吴，M。；She，J.，基于自由矩阵的积分不等式，用于时变时滞系统的稳定性分析，IEEE Trans。自动。续，60/2768-2772（2015）·兹比尔1360.34149
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。